基于协作频谱预测的能量有效性分析

在认知无线电网络中,传统的次级用户随机选择信道进行感知,这在电池供电的认知无线电网络中会造成能量的浪费。研究了协作频谱预测下的能量有效性设计,次级用户采用协作频谱预测的方式会极大地提高感知到空闲信道的能力,进而成功地进行数据传输。仿真了在不同的频谱预测能量消耗、频谱预测错误概率和协作用户数量下的能量有效性,结果表明协作频谱预测能量有效性优于传统非协作频谱预测。

基于协作频谱预测和频谱分割的认知无线电网络吞吐量优化

随着无线通信技术的迅猛发展,频谱资源变得日益紧张。认知无线电技术(Cognitive Radios,CR)旨在充分利用授权无线电频谱资源。而当前的CR技术在认知无线电网络吞吐量上存在一定程度的限制,原因是传统的频谱感知技术随机选择信道进行感知操作,从而导致次用户(Secondary User,SU)在认知无线电网络中的吞吐量较低。文中为了优化系统吞吐量,结合协作频谱预测和频谱分割技术重新设计次用户的感知帧结构。具体实现上先将次用户的频谱划分为两个子频带,其中一个子频带加入协作频谱预测功能,旨在提高次用户选择空闲信道进行感知的概率。由于引入了分频工作思想,整个帧时隙全部可以用于数据传输,从而进一步提高了系统的吞吐量。文中讨论了在协作频谱预测条件下,分别在主用户(Primary User,PU)通信强度和预测精度不同时的系统吞吐量,并与传统感知帧结构下的系统吞吐量进行了对比,仿真结果表明,与传统感知帧结构相比,文中所提出的方案在系统吞吐量性能上有较大提升。

认知无线网络中基于加权选择融合的协作频谱预测策略（英文）

为了进一步提高认知无线网络中频谱预测的准确性,提出一种利用空间多样性进行加权选择融合的协作频谱预测策略.首先,综合考虑主用户行为特点以及信号衰落的影响,设计一种基于遗传算法的神经网络进行本地预测.然后,设计一种基于迭代自组织数据分析算法的融合筛选方法来选择性能最好的本地预测器进行协作融合.此外,考虑到本地预测器之间的空间多样性,提出了一种基于预测可靠性的加权融合规则.最后,采用高斯近似方法对所提出的基于加权选择融合的协作预测策略的性能进行分析,并给出了全局预测精度和吞吐量的表达式.实验结果表明,基于加权选择融合的协作频谱预测策略相比于其他的协作频谱预测策略具有更高的预测准确性,并且能够使得认知无线网络中的吞吐量得到很大程度的提高.

基于密度聚类的HMM协作频谱预测算法

针对传统隐马尔科夫频谱预测中的时延长、预测准确度低的问题,提出了一种基于密度聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)的HMM协作频谱预测算法。该算法采用DBSCAN算法将具有强相关性的频域信道聚为一簇,并以簇为单位对信道状态进行预测,通过减少预测次数来降低频谱预测时延;同时在时域利用多个次级用户协作预测的方法,通过融合各次级用户的初始预测结果来降低预测的不确定度。仿真实验表明,相比于传统的隐马尔科夫频谱预测算法,所提算法的频谱预测时延更短,准确度更高。

认知无线网络中频谱预测的协作策略设计

在多主用户(PU)、多认知用户(SU)的认知无线网络(CRN)场景中,研究了频谱预测的协作策略设计问题。将频谱预测的协作策略设计问题归纳为一个优化问题,以整个CRN的吞吐率最大为优化目标,对参与协作的SU数量和数据融合门限进行优化,并提出一种搜索算法求解此优化问题,这是首次对协作频谱预测中的协作策略进行研究。在此基础上,提出了基于分组的协作频谱预测策略,并设计其帧结构。仿真结果表明,这种基于分组的协作频谱预测策略在满足虚警概率要求的前提下,能够以更低的协作预测能耗,达到更高的CRN吞吐率,从而提高了协作频谱预测的效率。

基于改进帧结构的认知网络吞吐量优化方法

在认知无线电网络中,频谱感知的效能往往通过系统的吞吐量进行体现。为此,在传统感知帧结构的基础上,通过引入协作频谱预测和频谱分割定义一种新的感知帧结构,并结合基于DBSCAN的隐马尔科夫模型协作频谱预测算法,提高频谱预测的准确率,降低协作预测带宽的消耗,从而增加系统吞吐量。仿真结果表明,与不含协作模块的频谱分割帧结构和含有协作模块但未进行频谱分割的帧结构相比,改进的帧结构可有效提高系统吞吐量。